- 深入浅出人工智能
- - 作者：编者:陈书明//宋智军//余少勇|责编:魏莹
  - 出版社：清华大学
  - ISBN：9787302674771
  - 出版日期：2024/11/01
  - 页数：252
- 售价：27.6

内容大纲
本书以通俗易懂的语言，全面介绍了人工智能的原理、技术、应用场景及典型案例。书中从计算机视觉、机器学习、自然语言处理和知识图谱等人工智能的关键技术切入，深入探讨了图像识别、语音识别、无人驾驶、聊天机器人、智能家居等人工智能的应用领域。通过使用简单易学且功能强大的Python语言，书中实现了人工智能实用场景的构建和验证。
对于对人工智能感兴趣但缺乏相关背景知识的初学者来说，本书是一本理想的入门读物；而对于已经具备一定人工智能基础知识的读者，本书也能帮助他们深化对人工智能原理和算法的理解。无论您是人工智能的新手还是已有一定基础的读者，本书都能为您提供有价值的信息和知识。
作者介绍
目录
第1章  人工智能概论
  1.1  人工智能的定义和分类
  1.2  人工智能的特征
  1.3  人工智能的主要流派
    1.3.1  符号主义学派
    1.3.2  联结主义学派
    1.3.3  行为主义学派
  1.4  人工智能编程语言—— Python
  1.5  人工智能的关键技术
    1.5.1  计算机视觉
    1.5.2  知识图谱
    1.5.3  自然语言处理
    1.5.4  机器学习
    1.5.5  感知技术
  1.6  人工智能的应用场景
    1.6.1  图像识别
    1.6.2  语音识别
    1.6.3  无人驾驶
    1.6.4  聊天机器人—— ChatGPT
    1.6.5  智能家居
  习题
第2章  人工智能编程语言之Python
  2.1  搭建人工智能Python环境
    2.1.1  搭建Python环境
    2.1.2  搭建PyCharm环境
    2.1.3  安装扩展模块库
  2.2  Python程序简介
    2.2.1  Python常量
    2.2.2  Python变量
    2.2.3  Python注释
    2.2.4  Python数据类型
    2.2.5  Python程序结构
    2.2.6  Python 函数
  2.3  NumPy基础应用
    2.3.1  方程求解
    2.3.2  数组运算
  习题
第3章  计算机视觉
  3.1  计算机视觉的定义
  3.2  计算机视觉理解图像的原理
  3.3  计算机视觉的任务
    3.3.1  图像检测
    3.3.2  图像分割
    3.3.3  图像分类
  3.4  计算机视觉的应用场景
    3.4.1  人脸识别
    3.4.2  视频监控
    3.4.3  图像识别
    3.4.4  无人驾驶
  3.5  物体检测算法——滑动窗口物体检测法

  习题
第4章  知识图谱
  4.1  知识图谱的定义
  4.2  知识图谱的构建过程
    4.2.1  知识抽取
    4.2.2  知识融合
    4.2.3  知识加工
  4.3  案例——构建人工智能知识图谱
  习题
第5章  自然语言处理
  5.1  自然语言处理的定义
    5.1.1  自然语言理解
    5.1.2  自然语言生成
  5.2  自然语言的发展历程
    5.2.1  早期自然语言处理阶段
    5.2.2  统计自然语言处理阶段
    5.2.3  神经网络自然语言处理阶段
  5.3  自然语言处理技术
    5.3.1  语法分析
    5.3.2  句法分析
    5.3.3  语义分析
    5.3.4  语用分析
    5.3.5  篇章分析
  5.4  自然语言处理的判别标准
  5.5  自然语言处理的应用场景
    5.5.1  机器翻译
    5.5.2  信息检索
    5.5.3  情感分析
    5.5.4  自动问答
  习题
第6章  机器学习与线性回归
  6.1  机器学习的定义
  6.2  机器学习的发展历程
  6.3  机器学习算法分类
    6.3.1  监督学习
    6.3.2  半监督学习
    6.3.3  无监督学习
    6.3.4  强化学习
  6.4  机器学习的过程
  6.5  认识机器学习算法——线性回归
    6.5.1  线性回归的数学表达式
    6.5.2  线性回归求解过程
  6.6  案例——预测房屋价格
  习题
第7章  机器学习与分类器
  7.1  分类器的工作原理
  7.2  常用的分类器
    7.2.1  k近邻分类器
    7.2.2  决策树分类器
    7.2.3  支持向量机

    7.2.4  人工神经网络
    7.2.5  Adaboost算法
  7.3  案例——使用SVM算法进行乳腺肿瘤识别
    7.3.1  乳腺肿瘤细胞样本数据集简介
    7.3.2  SVM算法诊断乳腺肿瘤详细过程
  习题
第8章  机器学习——物以类聚，人以群分
  8.1  聚类方法
  8.2  k均值算法
  8.3  数据降维算法
  8.4  案例1——采用数据降维算法评价学生成绩
  8.5  案例2——采用k均值算法分类鸢尾花
  习题
第9章  机器学习——强化学习
  9.1  强化学习概述
    9.1.1  强化学习的定义
    9.1.2  强化学习的基本组成部分
    9.1.3  强化学习的特点
    9.1.4  强化学习的分类
    9.1.5  强化学习的应用场景
  9.2  Q-learning算法
    9.2.1  Q-table
    9.2.2  Q-learning算法的执行过程
  9.3  案例——采用Q-learning算法解决迷宫问题
  习题
第10章  感知技术
  10.1  传感器技术
    10.1.1  认识传感器
    10.1.2  传感器与人工智能
    10.1.3  传感器的分类
    10.1.4  常用的传感器
    10.1.5  传感器的五大性能指标
  10.2  射频识别技术
    10.2.1  射频识别的定义
    10.2.2  射频识别的工作原理
  10.3  卫星定位技术
  习题
第11章  图像识别——机器也懂你
  11.1  图像识别的原理和定义
    11.1.1  图像识别的原理
    11.1.2  图像识别的定义
  11.2  图像识别瓶颈
  11.3  图像识别过程
    11.3.1  图像数据采集阶段
    11.3.2  图像预处理阶段
    11.3.3  特征提取及选择阶段
    11.3.4  分类器设计阶段
    11.3.5  分类决策阶段
    11.3.6  案例1——迎春花与连翘花识别
  11.4  人脸识别

    11.4.1  人脸识别过程
    11.4.2  人脸识别函数opencv
    11.4.3  案例2——检测某一幅图像中的人脸区域
    11.4.4  案例3——识别出某一幅图像中的人脸身份信息
  习题
第12章  语音识别——机器也听话
  12.1  声波的定义
  12.2  听觉原理
  12.3  语音识别原理
    12.3.1  声波特征提取阶段
    12.3.2  声波解码阶段
  12.4  语音识别实现方式
  12.5  海思语音识别案例
    12.5.1  海思音频模块
    12.5.2  海思语音识别原理
  12.6  案例——SpeechRecognition实现语音识别
    12.6.1  使用librosa扩展库获取声波特征
    12.6.2  使用SpeechRecognition函数库和pocketsphinx语音识别库识别语音
  习题
第13章  无人驾驶——免费代驾
  13.1  认识无人驾驶车
  13.2  无人驾驶系统的基本结构
    13.2.1  无人驾驶感知层
    13.2.2  无人驾驶决策层
    13.2.3  无人驾驶执行层
  13.3  无人驾驶分级
    13.3.1  0级——应急辅助
    13.3.2  1级——部分驾驶辅助
    13.3.3  2级——组合驾驶辅助
    13.3.4  3级——交通拥堵辅助
    13.3.5  4级——高级自动驾驶
    13.3.6  5级——完全自动驾驶
  13.4  无人驾驶核心技术
    13.4.1  感知技术
    13.4.2  决策技术
    13.4.3  定位技术
    13.4.4  通信安全技术
    13.4.5  人机交互技术
  13.5  案例1——百度无人驾驶车Apollo RT
    13.5.1  Apollo RT6无人驾驶车工作原理
    13.5.2  Apollo RT6无人驾驶车整车全冗余系统技术
    13.5.3  Apollo星河平台技术
  13.6  案例2——采用YOLO算法检测小轿车
    13.6.1  YOLO算法简介
    13.6.2  BDD100K数据集简介
    13.6.3  YOLO算法检测小车案例
  习题
第14章  聊天机器人——成为您的好助手
  14.1  ChatGPT的用途
  14.2  ChatGPT的基本工作原理

    14.2.1  数据收集
    14.2.2  数据预处理
    14.2.3  数据模型建立
    14.2.4  文本、图像、视频、音频生成
    14.2.5  文本、图像、视频、音频多模态输出
  14.3  ChatGPT应用案例
    14.3.1  案例1—— ChatGPT文生文
    14.3.2  案例2—— ChatGPT文生图
    14.3.3  案例3——基于Transformer的生成式对话模型
  14.4  文心一言——中国的ChatGPT
    14.4.1  文心大模型
    14.4.2  飞桨产业级深度学习平台
    14.4.3  文心一言的功能
  习题
第15章  智能家居
  15.1  智能家居的定义
  15.2  智能家居系统
    15.2.1  家庭布线系统
    15.2.2  家庭安防系统
    15.2.3  人工智能系统
  15.3  智能家居系统的功能
    15.3.1  家庭安全防范功能
    15.3.2  家庭环境控制功能
    15.3.3  家庭家电控制功能
    15.3.4  家庭多媒体控制功能
    15.3.5  家庭信息智能处理功能
  15.4  智能家居的主流品牌
    15.4.1  Control
    15.4.2  Honeywell
    15.4.3  米家
  15.5  案例—— Control 4灯光智能控制系统
  习题
附录
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目